19、萨尔瓦多多层感知器人工神经网络（MLP - ANN）在水文预报中的应用

萨尔瓦多多层感知器人工神经网络（MLP - ANN）在水文预报中的应用

1. 引言

自 1998 年米奇飓风影响以来，萨尔瓦多一直在实施洪水早期预警系统。此后，许多政府和非政府组织认识到该国的洪水脆弱性以及缺乏合适的水文气象监测系统。为此，安装了许多自动水文气象仪，实施了洪水应急计划，并创建了洪水预报中心，以监测和预测洪水影响。

预警系统的重要组成部分是监测和洪水预报，这有助于预估洪水影响，减少财产损失和人员伤亡。水文模型是洪水预报系统的基础，因此，人们构建了许多水文模型来预测萨尔瓦多重要集水区的水文响应。例如，Häggström 和 Lindström（1990）将概念性 HBV 模型校准到中美洲的六条河流，其中包括萨尔瓦多的圣米格尔格兰德集水区，但该模型在该集水区的校准效果并不理想。2004 年，萨尔瓦多国家水文服务局报告了一个用于莱帕集水区预报的降雨 - 径流模型。此外，Riverside Technology（2012）在伊洛潘戈湖和希博阿集水区实施了半分布式萨克拉门托降雨 - 径流模型。

本研究提出将多层感知器人工神经网络（MLP - ANN）技术作为圣米格尔格兰德河流域的短期水文洪水预报模型。该集水区几乎每年都会发生洪水，对交通基础设施、房屋、农田造成重大破坏，并导致人员疏散，但目前该集水区尚无用于预测洪水的降雨 - 径流预报模型。

2. 数据驱动建模技术

数据驱动模型（DDM）是基于收集的数据构建的，连接系统状态变量（输入、内部和输出变量），对系统物理行为的假设有限。它可用于解决预测问题、重建高度非线性函数、进行分类、聚类数据和构建基于规则的系统。不过，DDM 的性能依赖于输入数据的数量。DDM 中的许多技术来自机器学习、